Aug, 2020

DCCRN: 深度复杂卷积循环网络用于相位感知语音增强

PDF
TL;DR本研究提出了一种新的深度复合卷积循环网络（DCCRN）结构来有效训练语音增强中的复杂目标，使得模型在客观和主观指标上都具有很高的性能，且在 Interspeech 2020 中 MOS 评分在实时组别中排名第一，在非实时组别中排名第二，其参数数量仅为 3.7M。
speech enhancementdeep learningconvolution recurrent networkcomplex-valued operationinterspeech 2020
发现论文，激发创造
  • 用于自动语音识别的残差卷积 CTC 网络

    本文提出了一种新颖的深度卷积神经网络架构 RCNN-CTC，其通过残差连接和时间分类损失函数，能够同时利用语音信号的时间和光谱结构，并提出了一种 CTC-based 系统组合方法，可以显著减少 WSJ 和腾讯 Chat 数据集上的语音识别误差率。

    Feb, 2017

  • 基于深度卷积神经网络的端到端语音识别

    本文提出将 CNN 与 CTC 相结合的端到端语音识别框架，以实现序列标记；在 TIMIT 音素识别任务中评估该方法并表明其在计算效率和性能上优于已有基线系统，并指出 CNN 具有利用适当上下文信息来建模时间相关性的能力。

    Jan, 2017

  • 基于深度复数 U-Net 的相位感知语音增强

    通过三种方式解决相位估计问题，提出了基于复数建模的 Deep Complex U-Net，极坐标复数掩蔽方法和新型的 wSDR 损失函数，在 Voice Bank 和 DEMAND 数据库上测试表明相对于之前的方法实现了最新的性能提升。

    Mar, 2019

  • 双通道 RNN：适用于时域单声道语音分离的高效长序列建模

    本文提出了一种名为 DPRNN 的新型深度循环神经网络机制，它通过将输入序列分成较小的块并迭代应用区域内和区域间操作来模拟极长序列。实验结果表明，在使用 DPRNN 和在时域中应用样本级建模的 TasNet 中，相对于之前的最佳系统，使用比原来小 20 倍的模型在 WSJ0-2mix 上实现了新的最先进性能。

    Oct, 2019

  • CGCNN: 基于原始语音的复杂 Gabor 卷积神经网络

    使用复杂的 Gabor 滤波器和深度神经网络的方法，在 TIMIT 音素识别任务中取得了最佳表现，同时保持可解释性。

    Feb, 2020

  • Deep-Waveform: 基于深度复杂卷积网络的学习型 OFDM 接收器

    本文提出了一种基于深度复数卷积网络 (DCCN) 的方案，用于从时域 OFDM 信号中恢复位，该方案利用 OFDM 波形的循环前缀 (CP) 以增加信噪比，并具有将 CP 利用，信道估计和 ISI 抑制相结合的优点。实验结果表明，DCCN 接收机在各种时延扩展和移动性的 Rayleigh 衰落信道中的性能优于传统方法。此外，以复数卷积层的实现为背景，为无线 PHY 设计和分析卷积网络提供了精确和近似实现的指南。

    Oct, 2018

  • 基于可变形时间卷积神经网络的单声道嘈杂混响语音分离

    本研究提出了一种新的方法，使用可变形卷积解决了语音分离领域中存在固定跨度的问题，通过应用此方法，研究人员获得了优秀的性能。

    Oct, 2022

  • 卷积循环神经网络用于多声事件检测

    本研究利用卷积神经网络 (CNN) 和循环神经网络 (RNN) 实现了声音事件监测，取得了比之前方法显著的效果提升。

    Feb, 2017

  • 多模态混合深度神经网络用于语音增强

    本研究提出了一种新的深度学习模型，结合了视觉提示信息和音频信号，采用双向长短时记忆网络进行特征集成，以提高噪声下语音信号增强的质量。

    Jun, 2016

  • 面向实时深度噪声抑制的高效模型

    本文研究深度学习模型在语音增强方面的应用，并探讨了网络复杂度与可达到的语音质量之间的关系，考虑了网络在回声环境下的训练。研究表明，网络的复杂度是影响语音质量的一个重要因素。

    Jan, 2021